EC・通販業界のAI参照元を調査したデータがあります（出典: secondz digital、2026年3月25日公表）。上位はWikipedia・ecbeing・PR TIMESの順で、公式サイト以外にも参照元は幅広く分散しています。EC事業者にとって、自社の商品ページがこの参照元の一角に入れるかどうかは無視できない論点です。
本記事は、Perplexityの公式クローラー仕様とschema.org Product構造化データという2つの一次情報を土台にします。商品ページがPerplexityに引用されるための条件を整理します。
01この記事でわかること
- Perplexityが商品ページを巡回・引用する仕組み（PerplexityBotとPerplexity-Userの違い）
- schema.org Productで商品情報を機械可読にする方法
- EC業界のAI参照元データからわかる現状
- 商品ページが引用されやすくなるための実務手順
02結論サマリー
PerplexityBotとPerplexity-Userという2種類のクローラーの使い分けが、EC事業者のPerplexity対策の出発点です。PerplexityBotのクロール許可は、公式に確認できる技術的な土台です（出典: Perplexity公式）。商品情報を機械可読にするschema.org Productの実装も同様に、公式が示す土台の一つです（出典: schema.org公式）。Perplexityが商品ページをどう選んで引用するか、選定基準そのものは公式に公開されていません。
在庫・価格情報が機械可読になっていなければ、どれほど詳しい商品説明を書いても正しく引用されにくくなります。
国内EC事業者の実名事例はまだ公開されていません。Perplexity経由の流入・引用による商品ページの定量的な成果は、本稿執筆時点で一次情報から確認できていません。海外ではShopify・Etsyなどの実績データが公開されており、別記事『ECのAIO事例｜エージェントコマース最前線と再現のポイント』で解説しています。
03EC事業者のPerplexity対策とは（基礎定義）
引用されやすい定義文EC事業者のPerplexity対策とは、商品データを機械可読に整え引用条件を満たす取り組みです。
従来のEC向けSEOは、検索結果での上位表示とクリック獲得を前提に設計されてきました。Perplexityのようなエンジンでは、回答内に商品情報が直接引用されるかどうかが重要になります。
Perplexity公式のクローラー資料によると、Perplexityは2種類のクローラーを使い分けています。一つは検索結果への掲載・引用のために巡回する「PerplexityBot」です。もう一つはユーザーの質問時にページを訪問する「Perplexity-User」です（出典: Perplexity公式）。前者はrobots.txtのルールに従いますが、後者は基本的に無視すると明記されています。
この使い分けは、別記事『Perplexityに引用される文章の書き方｜研究データで解説』の内容とも一致します。
EC事業者にとって重要なのは、商品ページがPerplexityBotの巡回対象から除外されていないかを確認することです。在庫切れページの扱いや、JavaScriptで動的に生成される価格表示にも注意が必要です。
04Perplexityの仕様整理と商品データの機械可読化
| 項目 | 内容 |
|---|---|
| 検索用クローラー | PerplexityBot（robots.txt準拠） |
| 質問時フェッチャー | Perplexity-User（robots.txt原則無視） |
| 商品データの機械可読化 | schema.org Product（sku・review、価格・在庫はoffers＝Offer型経由でprice・availabilityを記述） |
| 引用されやすい文章の型 | 統計データ・引用句・出典明記（GEO論文で改善が確認された型） |
| 購入連携機能 | Buy with Pro・Merchant Program |
購入連携機能の詳細は公式ヘルプの公開範囲が限られているため、最新状況は別記事『ECのAIO事例｜エージェントコマース最前線と再現のポイント』とあわせて確認してください。
schema.orgのProduct型は、価格・在庫状況・レビュー・商品識別子など、EC商品ページで使う主要プロパティを定義しています（出典: schema.org公式）。具体的なプロパティ名は上表のとおりです。構造化データとAI引用の相関を検証したデータは、別記事『Schema markupとAI引用の相関｜SSRN論文検証』で解説しています。
プリンストン大学などの研究チームによる「GEO（生成エンジン最適化）」論文では、生成エンジンでの可視性が最大40%向上したと報告されています（出典: GEO論文）。統計データ・引用句・出典明記という3つの型ごとの詳しい改善率は、別記事『Perplexityに引用される文章の書き方｜研究データで解説』にまとめています。EC商品ページの場合、価格・在庫数・レビュー件数といった数字をそのまま明記する書き方が、この型と自然に重なります。
05対策チェックリスト
- PerplexityBotをrobots.txtでDisallowしていない
- 商品ページにschema.org Productを実装し、offers経由でprice・availabilityを、Product直下でreview・skuを機械可読にしている
- 在庫切れ商品ページの扱い（削除・リダイレクト等）を統一している
- 商品説明文に価格・スペックなどの数字を具体的に明記している
- Buy with Pro・Merchant Programへの参加要否を検討している
06WEBMARKSの見解
WEBMARKSは、Perplexity対策を単独の施策として考えるより、schema.org Productの整備を通常のEC運用の一部に組み込む発想を推奨します。構造化データは検索エンジン向けの特別な対応ではなく、商品情報を正確に伝えるための基礎作業だからです。
Google側の対応は、別記事『ECのAI Overviews対策｜ショッピング機能との連動設計』で扱っています。EC事業者は、特定1社のAI検索エンジンに絞らず、商品データの機械可読化という共通基盤から着手することをおすすめします。
07FAQ
Q. schema.org Productを実装すれば、Perplexityに優先的に引用されますか？
優先的な引用を保証するものではありません。schema.org公式もPerplexity公式も、構造化データの実装が引用を保証するとは明記していません。機械可読な情報を土台に、統計データや出典明記を含む説明文を用意することが実務的な対応です。
Q. 在庫切れの商品ページはどう扱うべきですか？
公式ドキュメント上に、在庫切れページ特有の指示はありません。一般的にはavailabilityプロパティを正しく更新し、代替商品への導線を用意しておくことが、機械可読性と読者双方にとって有効です。
Q. Perplexity対策とGoogleショッピングのAI Overviews対策は同じ準備で足りますか？
土台となる構造化データの整備は共通しますが、参照する仕組みは異なります。Google側の対応は別記事『ECのAI Overviews対策｜ショッピング機能との連動設計』で扱っています。
08まとめ
EC事業者のPerplexity対策は、PerplexityBotのクロールを妨げないことと、schema.org Productで商品データを機械可読にすることが土台になります。まずは主要カテゴリの商品ページから、price・availability・reviewの3プロパティを実装することから着手することをおすすめします。選定基準そのものが非公開である以上、機械可読性と読みやすさの両立を地道に積み上げる姿勢が実務的な対応です。
09この分野を体系的に学ぶ
この記事は徹底ガイド記事です。EC業界のAIO対策を基礎から体系的に学びたい方は、AI検索最適化講座「実践応用編: 業界別AIO戦略（VI-A）」をご覧ください。
